Formación y Consultoría

Módulo 12: Ensemble Learning

• Modelos de conjuntos

• Bagging

• Bagging trees

• Random Forest

• Boosting

• Adaboost

• Gradient Boosting Trees

• Ventajas e inconvenientes

• Ejercicio 26: Credit Scoring Boosting en R 

• Ejercicio 27: Credit Scoring Bagging en R

• Ejercicio 28: Credit Scoring Random Forest, R y Python, data 1 y 2

• Ejercicio 29: Credit Scoring Gradient Boosting Trees

​

Módulo 14: Deep Learning 

​

• Definición y concepto del deep learning

• ¿Porque ahora el uso del deep learning?

• Arquitecturas de redes neuronales

• Función de activación

  • Sigmoidal

  • Rectified linear unit, Relu

  • Hipertangente

  • Softmax

• Feedforward network

• Perceptrón Multicapa

• Uso de Tensorflow

• Uso de Tensorboard

• R deep Learning

• Python deep Learning

• Redes neuronales convolucionales

• Uso del deep learning en la clasificación de imágenes

• Función de costes

• Optimización con Gradiente descendiente

• Uso del deep learning para el credit scoring

  • ¿Cuantas capas ocultas?

  • ¿Cuantas neuronas, 100, 1000?

  • ¿Cuantas épocas y tamñao del batch size?

  • ¿Cual es la mejor función de activación?

• Software Deep Learning: Caffe, H20, Keras, Microsoft, Matlab, etc.

• Software de implementación: Nvidia y Cuda

• Harware, CPU, GPU y entornos cloud

• Ventajas e inconvenientes del deep learning

• Feedforward neural network

• Perceptrón Multicapa

• Redes neuronales convolucionales

• Uso del deep learning en la clasificación de imágenes

• Redes neuronales recurrentes

• Series temporales

• Long Short Term Memory

• Ejercicio 30: Credit Scoring usando Deep Learning feedforward neural network

• Ejercicio 31: Credit Scoring usando Deep Learning  redes neuronales convolucionales

​Módulo 15: Riesgo de Modelo en el Scorecard

• Asignación de puntuación

• Clasificación del Scorecard

  • Scorecard WOE

  • Scorecard Binario

  • Scorecard Continuo

• Reescalamiento del Scorecard

  • Análisis del Factor y Offset

  • Scorecard WOE

  • Scorecard Binario

• Técnicas de Reject Inf erence

  • Cut-Off

  • Parcelling

  • Fuzzy Augmentation

• Técnicas Avanzadas de punto de corte 

  • Optimización del punto de corte usando curvas ROC

• Reinforcement Learning

  • Markov decisions processes

• Riesgo de Modelo por decisión de punto de corte

• Riesgo de Modelo por ausencia de datos

• Riesgo de Modelo por no actualizar o recalibrar

• Ejercicio 32: Construcción de Tarjeta de Puntuación en Excel

• Ejercicio 33: Estimación óptima punto de corte en Excel y riesgo de modelo por selección punto de corte

• Ejercicio 34: Matriz de confusión para verificar Error Tipo 1 y Tipo 2 en Excel con y sin variables

• Ejercicio 35: Riesgo de modelo en credit scoring por no recalibrar a tiempo

​

Módulo 16: Modelos de Credit Scoring por producto

​

• Credit Scoring de Admisión

  • Score de Tarjetas de crédito

  • Score de Hipotecas

  • Score de consumo

  • Score de Automóvil

• Behavior Score (BS)

  • Horizonte temporal

  • Información de datos de panel

  • Regresión de datos de panel

  • Regresión Cox

  • Behavior Score con variables macroeconómicas

  • Matrices de transición

  • Behavior Score con matrices de transición 

  • Transaction Score

• BEHAVIOR SCORE EN TARJETAS DE CRÉDITO

• Ejercicio 36: Behavior Score  Regresión Logística en SAS data 1

• Ejercicio 37: Behavior Score Regresión Logística en Python data 2

• Ejercicio 38: Behavior Score Support Vector Machines en python

• Ejercicio 39: Behavior Score Random Forest en python

• ​Ejercicio 40: Behavior Score Gradient Boosting Trees en python

• Ejercicio 41: Behavior Score Deep Learning en python

​

​

Módulo 17: Validación de modelos tradicionales y de Machine Learning

​

• Validación Out of Sample y Out of time

• Verificación p-values en regresiones

• R cuadrado, MSE, MAD

• Diagnóstico de los residuos

• Test de Bondad de Ajuste

  • Deviance

  • Bayesian Information Criterion (BIC)

  • Akaike Information Criterion 

• Multicolinealidad Multivariante

• Validación cruzada

• Bootstrapping del error

• Matriz de confusión caso binario

• Matriz de confusión caso multinomial

• Principales test de poder discriminante:

  • KS

  • Curva ROC

  • Curva Lift

  • Gini Index

  • Cumulative Accuracy Profile

  • Distancia de Kullback-Leibler

  • Pietra Index

  • 1-Ph

  • Entropía condicional

  • Valor de Información

  • Brier Score

  • Divergencia

  • Hosmer Lemeshow

• Intervalos de confianza

• Jackknifing con test de poder discriminante

• Bootstrapping con test de poder discriminante

• Estadístico Kappa

• K-Fold Cross Validation

• Análisis Semafórico

• Ejercicio 42: Test de Bondad de Ajuste Regresión Logística

• Ejercicio 43: Validación cruzada en SAS

• Ejercicio 44: Estimación Gini, Valor de la Información, Brier Score, Curva Lift, CAP, ROC, Divergencia en SAS y Excel

• Ejercicio 45: Bootstrapping de parámetros SAS

• Ejercicio 46: Jackkinifng en SAS

• Ejercicio 47: Bootstrapping de Gini/ROC en SAS

• Ejercicio 48: Estimación Kappa

• Ejercicio 49: K-Fold Cross Validation en R

• Ejercicio 50: Validación semafórica out of time (horizonte 6 años) de modelos Logístico y de Machine Learning

​

Módulo 18: Pruebas de estabilidad

​

• Índice de estabilidad en modelo

• Índice de estabilidad en factores

• Test Xi-cuadrada

• Test K-S

• Ejercicio 51: Pruebas de estabilidad de modelos y de factores

​

​​CALIBRACIÓN DE MODELOS DE PD

​

Módulo 19: Calibración de la Probabilidad de Default PD

​

• Estimación de la PD

• Modelos econométricos

• Modelos de Machine Learning

• Requerimiento de datos

• Risk drivers y criterio del credit scoring

• Filosofía del rating

• Tratamiento de los Pools

• Calibración de la PD

• ​Definición de Default

• Long run average for PD

• Defaults técnicos y filtros técnicos del default

• Requerimiento de datos

• Cálculo de tasa de default a un año

• Cálculo de Tasa de default a largo plazo

• Riesgo de Modelo de la PD

  • Margen de Conservadurismo

• Técnicas de calibración

• Estimación Anchor Point

• Mapping de Score a PD

• ​Ajuste al Ciclo Económico de la PD

• Filosofía del Rating

  • Modelos PD Trough The Cycle (PD TTC)

  • Modelos PD Point in Time PD (PD PIT )

• Calibración Scaled PD

• Calibración Scaled Likelihood ratio

• Suavizamiento de las curvas de PD

• Quasi moment matching

• Calibración de PD de modelos de Machine y Deep Learning

• Ejercicio 52: Calibración de la PD por ajuste a la tendencia central

• Ejercicio 53: Calibración de PD Anchor point

• Ejercicio 54: Calibración de PD PIT 

• Ejercicio 55: Calibración de PD en modelos de Machine Learning

• Ejercicio 56: Modelización del Margen de Conservadurismo PD

• Ejercicio 57: Calibración PD TTC

​

VALIDACIÓN DE MODELOS DE PD

​

Módulo 20: Backtesting PD

• Definición del Backtesting PD

• Validación de Calibración de PD

  • Hosmer Lameshow test

  • Normal test

  • Binomial Test

  • Spiegelhalter test

  • Redelmeier Test

  • Traffic Light Approach

• Análisis Semafórico y Cuadro de mando de la PD

• PD Stability Test

• Forecasting PD vs PD Real en el tiempo

• Validación con simulación de Monte Carlo

• ¿Cuando recalibrar o reestimar un modelo de credit scoring?

• Re-development 

• Re-estimation

• Riesgo de Modelo en la PD

• Machine Learning para validar los modelos de PD

• Ejercicio 58: Backtesting de PD en Excel

• Ejercicio 59: Forecasting PD y PD real en Excel

• Ejercicio 60: Validación usando Simulación de Monte Carlo en Python

​

AUTOMATIZACIÓN DE LA MODELIZACIÓN

CON IA

​

Módulo 21: Automatización de la Modelización 

• ¿ Que es la automatización de la modelización?

• Que se automatiza

• Automatización de los procesos de machine learning

• Optimizadores y evaluadores

• Componentes del Workflow de la automatización de la modelización

  • Resumen

  • Procesado

  • Feature engineering

  • Generación del modelo

  • Evaluación

• Optimización de hiperparámetros

• Reconstrucción o recalibración del credit scoring

• Modelización del Credit Scoring

  • Principales hitos

  • Evaluación y optimización

  • Posibles Issues

• Modelización de la calibración de la PD 

  • Evaluación y optimización

  • Backtesting

  • Poder Discriminante

  • Pruebas de Estabilidad

• Evaluación global de la automatización de la modelización

• Implementación de la automatización de la modelización en banca

• Requerimientos tecnológicos

• Herramientas disponibles

• Beneficios y posible estimación del ROI

• Principales Issues

• Riesgo de Modelo

• Ejercicio 61: Automatización de la modelización y optimización y validación de  hiperparametría del credit scoring

• Ejercicio 62: Automatización de la modelización y validación de una herramienta de credit scoring